-
公开(公告)号：CN119805110A
公开(公告)日：2025-04-11
申请号：CN202411802086.X
申请日：2024-12-09
Applicant: 北京智芯微电子科技有限公司 , 重庆邮电大学
IPC: G01R31/12 , G06F18/2413 , G06F18/214 , G06N3/045 , G06N3/0475 , G06N3/08
Abstract: 本发明提供一种直流故障电弧检测方法、装置和电子设备，属于放电检测技术领域。方法包括：获取直流电力系统的待测参数；将待测参数输入至直流故障电弧检测模型，得到直流故障电弧检测模型输出的故障检测结果。其中，该模型是基于多个训练样本参数和每个训练样本参数的故障检测结果标签训练得到的，多个训练样本参数是直流电力系统的历史样本参数和少数类样本参数基于生成对抗网络生成的；少数类样本参数是历史样本参数基于合成少数类过采样方法生成的。本发明通过结合生成对抗网络和合成少数类过采样方法生成直流故障电弧检测模型用于训练的训练样本参数，可以有效扩展和平衡数据集，进而提高直流故障电弧检测模型的泛化能力和故障检测准确性。
-
公开(公告)号：CN119884869A
公开(公告)日：2025-04-25
申请号：CN202411950471.9
申请日：2024-12-27
Applicant: 重庆邮电大学
IPC: G06F18/241 , G01R31/12 , G06F18/10 , G06F18/2433 , G06N3/0455 , G06N3/084 , G06N3/006
Abstract: 本发明涉及光伏直流电弧故障检测技术领域，具体提出一种基于改进滤波结合增强能量算子的直流电弧检测方法。该方法首先通过快速傅里叶变换提取故障信号的频域信息，结合极值点密度与波动因子对信号进行预处理，降低噪声干扰。利用改进布谷鸟算法的自适应滤波器实现信号的噪声抑制与平滑处理，同时保留关键频谱特性。针对信号处理过程中幅值衰减的问题，引入基于三点对称差分改进的能量算子，增强信号的非线性瞬态特性，进一步抑制频域成分噪声。最后，提取增强后的信号特征，采用残差连接堆叠自编码器对故障特征数据进行高效识别。本发明通过结合自适应谱线增强技术与深度学习模型，不仅有效解决了直流系统与光伏系统中的电弧故障检测难题，尤其适应逆变器启动噪声等复杂运行条件下的检测需求，还提高了故障识别的准确性与可靠性，适用于光伏系统和直流电力系统的安全监测与早期故障诊断。
-
公开(公告)号：CN119884868A
公开(公告)日：2025-04-25
申请号：CN202411950437.1
申请日：2024-12-27
Applicant: 重庆邮电大学
IPC: G06F18/241 , G01R31/12 , G01R15/18 , G06F18/25 , G06N3/0464 , G06N3/084 , G06F18/213
Abstract: 本发明提供了一种基于VMD分解与卷积神经网络的光伏系统直流故障电弧检测方法。针对光伏发电系统并网过程中直流故障电弧的检测难题，提出了一种结合信号处理与深度学习的高效检测方法。首先，通过电流互感器采集光伏系统下的直流串联电弧信号，并对信号进行VMD分解。利用散布熵值选取最优模态分量，有效减少环境噪声和逆变器功率调节(MPPT)带来的干扰。然后，根据最优模态分量进行信号重构以增强信号有效性，并通过短时傅里叶变换(STFT)生成时频图，为卷积神经网络提供输入数据。最后，卷积神经网络自动提取信号的时频特征，例如频率突变、瞬态波动等，完成直流故障电弧的高精度检测与分类。该方法显著提高了光伏系统中直流故障电弧的检测准确率，同时有效降低了环境噪声和逆变器功率调节的干扰，具有较强的鲁棒性和高灵敏度。实验结果表明，该方法的故障电弧识别准确率可达到99％，大幅提升了光伏系统的安全性和稳定性。
-
公开(公告)号：CN116488574A
公开(公告)日：2023-07-25
申请号：CN202310499822.8
申请日：2023-05-05
Applicant: 重庆邮电大学
Abstract: 本专利涉及一种基于信息熵自适应特征频段的光伏故障电弧检测方法，通过对采集的电流互感器信号进行小波降噪处理，采用幅值熵自适应的方法选取特征频段。同时，采用线性调频Z变换(CZT变换)提高特征频段的频谱分辨率，并利用极限学习机(ELM)神经网络进行故障电弧识别。本专利还涉及一种基于该算法的光伏系统直流电弧检测装置，该装置能够实现高精准度的识别，有效排除各类干扰，在光伏系统中具有广泛应用前景。
-
公开(公告)号：CN118858854A
公开(公告)日：2024-10-29
申请号：CN202410892861.9
申请日：2024-07-04
Applicant: 重庆邮电大学
IPC: G01R31/12 , G06F18/213
Abstract: 本发明属于低压交流电气故障检测技术领域，具体是公开了一种基于自适应特征平稳性的故障电弧检测方法。仅使用时域、频域或时频域特征作为判断是否发生故障的依据难以应对当今多种负载的复杂性。将一个标签内的电流数据分为五等份，分别求取每段电流数据的特征值，设置一个窗口长度为四个周期的滑动窗进行遍历，然后求取滑动窗内这些周期的特征值的标准差作为特征平稳性，选取五个遍历结果中特征平稳性幅值最小的作为最终的特征。提出特征平稳性将特征幅值比较映射到另一层面，再通过支持向量机进行诊断。提出自适应特征平稳性的算法避免了传统检测方法中多负载多场景下的不稳定、不准确等问题，可以解决传统检测中对于弱弧的漏判以及误判，实现电弧的准确在线诊断。
-
Patent Agency Ranking
公开(公告)号：CN116577612A
公开(公告)日：2023-08-11
申请号：CN202310499811.X
申请日：2023-05-05
Applicant: 重庆邮电大学
IPC: G01R31/12
Abstract: 本发明属于电力系统自动化技术领域，具体是公开提出一种基于变分模态分解(variational mode decomposition,VMD)、希尔伯特边际谱分析(Hilbert‑Huang transform，HHT)多特征融合的故障电弧检测方法。该方法首先通过对采集到的电流信号进行变分模态分解，提取出多个不同频率的固有模态函数，然后将各模态分量进行边际谱分析，针对模态分量边际谱的选取，提出依据多特征故障区分度进行模态分量选取方法，选取各模态分量边际谱故障区分度较高的特征量。为降低特征冗余度，采用线性成分分析进行特征融合，并最后导入神经网络进行分类验证检测精度。
-
公开(公告)号：CN116526969A
公开(公告)日：2023-08-01
申请号：CN202310356102.6
申请日：2023-04-04
Applicant: 重庆邮电大学
Abstract: 本发明公开了基于线性调频Z变换和小波包分解的光伏故障电弧检测方法，所述方法包括：对采集的电流互感器两端电压信号小波降噪处理，然后进行傅里叶变换得到正常信号和故障信号的频谱，分析正常信号与电弧信号的差异，得到故障信号的特征频段，然后通过线性调频变换(CZT变换)放大故障信号的特征，计算出故障频段的方差和均值。为了提取故障电弧高频精细成分，同时也从电流信号多尺度分析的角度出发，对信号进行3层复小波变换获取各节点小波包系数模极大值及节点能量谱，最后进一步结合极限学习机(ELM)进行故障电弧识别。并且基于该算法设计了一种基于stm32嵌入式平台的光伏系统直流电弧检测装置。
-
公开(公告)号：CN119782934A
公开(公告)日：2025-04-08
申请号：CN202411871048.X
申请日：2024-12-18
Applicant: 北京智芯微电子科技有限公司 , 重庆邮电大学
IPC: G06F18/2415 , G06F18/214 , G06F18/213 , G06Q50/06 , G06N3/0464 , G06N3/08
Abstract: 本公开涉及电力故障检测技术领域，具体涉及公开了一种直流故障电弧检测及其模型训练方法、装置、设备及介质，该方法包括：获取直流电信号；对所述直流电信号进行经验模态分解EMD，得到多层本征模态函数IMF分量；从所述多层IMF分量中选取有效信息量最大的N层IMF分量，所述N为大于等于2的整数；提取所述N层IMF分量中的每层IMF分量的M个时域特征，得到N*M个特征，所述M为大于等于1的整数；将所述N*M个特征输入至预先训练好的卷积神经网络CNN识别模型中，得到预先训练好的CNN识别模型输出的直流故障电弧检测结果。该技术方案可以准确快速地进行直流故障电弧检测，主要用于直流故障电弧检测。
-
公开(公告)号：CN119644068A
公开(公告)日：2025-03-18
申请号：CN202411813814.7
申请日：2024-12-11
Applicant: 北京智芯微电子科技有限公司 , 重庆邮电大学
IPC: G01R31/12 , G06F18/2413 , G06F18/213 , G06F18/214
Abstract: 本公开涉及输电线路局部放电检测邻域，具体涉及一种直流故障电弧检测方法、装置、设备、介质及芯片，所述直流故障电弧检测方法，包括采集直流电力系统的电信号；所述电信号包括正常信号和故障电弧信号；提取所述电信号的信号特征，并基于所述信号特征构建样本集；所述信号特征包括时频域特征，奇异值特征，复杂度特征以及能量特征中的两种或多种；基于所述样本集训练直流故障电弧识别网络；利用训练好的直流故障电弧识别网络进行直流故障电弧检测。上述技术方案中通过提取多维混合特征集，训练直流故障电弧识别网络，然后利用训练好的直流故障电弧识别网络进行故障判断，实现了对直流故障电弧的高效检测，提高了检测准确性和实时性。
-
公开(公告)号：CN118332320A
公开(公告)日：2024-07-12
申请号：CN202410512643.8
申请日：2024-04-26
Applicant: 重庆邮电大学
IPC: G06F18/2131 , G06F18/214 , G06N3/006 , G06N3/0499 , G06N3/084 , G06F18/2431
Abstract: 本发明属于光伏电气故障检测技术领域，具体是公开了一种基于自适应小波包分解的直流故障电弧检测方法。针对直流串联故障电弧随机性强，且电路中存在噪声或逆变器干扰时电流数据会有所变化，传统检测方法会产生漏判或误判，利用粒子群算法对不同场景中信号进行自适应小波包分解，选择最优分解层数进行特征提取，结合BP神经网络进行决策，准确率高达99％，可有效区分正常信号与故障电弧信号。基于该检测方法，设计了一款基于STM32的光伏直流系统故障电弧检测装置，通过实际测试，装置在实验室场景与光伏现场中均可实现高精度故障电弧检测，为直流故障电弧检测装置的研制提供了可靠参考。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.016 seconds)
